屏幕同时开着六个编程智能体终端。左边窗口正请求修改生产环境数据库索引，右边窗口只因漏了一个环境变量就弹窗告警。两道提示音用完全相同的紧急程度闪烁，逼得座位上的工程师在十几个上下文之间来回切换，像看管一群随时哭闹的孩童一样精疲力竭。
算力扩张并没有让研发工作变得清闲。当写代码和找漏洞的速度翻倍暴涨后，整个研发流水线最狭窄的卡点，瞬间转移到了人类有限的注意力上。
代码提交暴涨五倍逼出注意力死锁
Anthropic 研究团队发布了内部工作组织实证报告（https://www.anthropic.com/research/employment-at-anthropic）。研究汇总了内部人事档案、代码提交记录、日历数据、数千份面试评分卡与 17 位员工深度访谈。2026 年 3 月，Anthropic 内部自主与交互式 Claude 智能体的合计工时首次超越人类员工。到了 2026 年 8 月，Claude 交互式智能体工时已达人类工时的 6 倍。成立五年的 Anthropic，人均创收达到了同发展阶段 Google 与 Meta 的 2 至 4 倍。
算力洪流直接改写了研发团队的人员结构。自 2025 年初以来，技术部门初级岗位存量占比从 21% 降至 14%。新招初级技术员工的占比更是从 27% 暴跌至 9%，直接砍掉了三分之二。三分之一的机器学习经理与五分之一的软件工程经理明确表示因智能体普及而缩减了招聘规模。
组织内部的职能边界同步消融。技术部门近三十天零代码提交的员工比例下降了近一半，工程师与产品经理的比例拉大到 17 比 1，技术管理者的代码提交量翻了一倍。更显著的变化发生在销售、法务与财务等零代码背景团队。非技术员工每月发起的编程智能体会话从 2025 年 8 月的 2 次飙升至 2026 年 5 月的 90 次，足足暴涨了 45 倍。
工程师人均代码提交速度已升至半年前的 5 倍。团队追踪了同月同代码目录下 192 名启用编程智能体的工程师与 74 名未启用者。结果证明代码产量大幅跃升后，90 天内代码删除率、缺陷修复删除率、整次提交回滚率、静态检查抑制注释与跳过测试比例均无显著差异。代码生成早已不再稀缺，真正稀缺的是敢于为代码签字兜底的人类注意力。
智能体待命空转暴露人肉审查极限
产能跃升在工位上催生了严重的注意力拥堵。受访工程师将日常工作形容为独自面对一整支索要注意力的 Claude 大军。拧不开果汁盒的琐碎报错与割破手指的致命故障同时呼救，耗尽了工程师的心智带宽。
后台遥测揭开了更反直觉的事实。扣除模型实际推理与工具执行耗时后，交互式智能体会话竟有约 80% 的挂钟时间处于空闲挂起状态，干等着人类输入下一步指令。不是模型跑得不够快，是人类的阅读与决策速度卡死了智能体。
按照每个令牌折合 0.75 个英文单词、每六十秒阅读 250 个单词的速度测算，哪怕在非技术部门，员工光把名下智能体产出的文字全部读完，就要耗掉每周一半以上的工作时间。每当内部上线新模型，超过原版第九十百分位难度的高难编码任务占比就会立刻跃升约 30%，在总任务中的占比从 10% 升至 13%。模型越强，人类被迫接盘的复杂架构难题就越密集。让工程师用肉眼逐行通读六倍工时的机器产出，只会把整条研发流水线拖入死锁。
元工程把人肉盯屏改造成自动管线
为了把自己从人肉瓶颈中解救出来，20% 的受访员工表示核心职责已从亲手编码转向管理智能体集群。对 2000 条内部会话摘要的抽样显示，围绕智能体搭建工程脚手架的元工程（Meta-Work）占比，已从 2025 年秋的 10% 翻倍至 2026 年春的 22%。全公司编写的智能体常驻指令与技能文件，更从 2025 年 7 月的数百条激增至一年后的 8500 条。
留存的工程师正在用三道工程机制重构研发管线。第一道机制是在噪音抵达人脑前完成前置分流与短路拦截。内部工程师专门开发了智能体幕僚长（Agent Chief of Staff），守在数十个工作线程前端自动过滤低优询问，遇到缺少前置条件或超出授权边界的异常立即终止任务，只把必须人工拍板的架构分叉呈递到桌面。
第二道机制是用模块化技能与双智能体交叉审查替代单点人工盯屏。团队不再编写臃肿的单体长提示词，将部门规范拆解为 8500 条正交可复用的常驻技能按需组装，并串联起由独立智能体自动审查编码智能体产出的流水线。同时智能体已接入近半数活跃公开 Slack 频道，倒逼团队将口头决策沉淀为公开日志，技术人员会议时长微增 16% 以集中攻克系统级边界。
第三道机制是用客观回归评估取代主观经验直觉。内部产品设计团队在 2026 年春搭建上下文图谱自动接管界面文案后，全员转身投入模型评估集（Evals）研发，推动内部跨岗流转率同比上升 50%。Amazon 与纽约大学近期发布的脚手架归因研究（https://arxiv.org/abs/2610.22466）同样印证了这一判断。该研究对 11 个模型与 21 组显著涨分设置拆解发现，自动进化脚手架平均 54% 的提分来自硬编码补丁行数等基准过拟合，14% 来自算力堆叠，唯有通用动作块漏执行校验等机制在 SWE-bench Verified 上实现了 94% 的泛化留存。在数千份面试评分卡中，技术岗对工具驾驭记录的考察翻了 3 倍，非技术岗翻了 4 倍。初级代码默写正在退场，定义熔断边界与验收契约的元工程才是工程师真正的护城河。
